精华内容
下载资源
问答
  • Matlab 深度学习

    2020-06-29 12:26:30
    入坑 MATLAB 进行深度学习 一:摄像头1.1 两种获取摄像头的方式Matlab自身不支持直接读取摄像头数据,需要安装硬件支持包才可以获取,目前常用的有两个包: 第一个是 MATLAB Support Package for USB Webcams,这...

    入坑 MATLAB 进行深度学习

    一:摄像头

    1.1 两种获取摄像头的方式

    Matlab自身不支持直接读取摄像头数据,需要安装硬件支持包才可以获取,目前常用的有两个包:

    第一个是 MATLAB Support Package for USB Webcams,这个包可以获取任何USB摄像头的图像(UVC),也可以获取电脑自带摄像头的数据,兼容 R2014a 到 R2020a 的版本。

    第二个是Image Acquisition Toolbox Support Package for OS Generic Video Interface,更加通用,它也兼容 R2014a 到 R2020a 的版本。(推荐)

    点击获取附加功能中的获取硬件支持包(安装适合的包):

    1.2 第一种方法摄像头的使用(webcams)

    1.2.1 查看当前摄像头设备列表

    webcamlist

    需要注意,使用webcam的时候,下标从1开始,1对应USB Camera,2对应Integrated Camera。

    1.2.2 获取视频对象

    一行代码即可获取,非常舒服,比如获取外接USB摄像头的输入对象:

    cam1 = webcam(1)

    同样可以获取电脑自带摄像头的输入对象:

    cam1 = webcam(2)

    1.2.3 预览视频对象

    使用如下命令即可预览视频对象,该函数会自动打开一个窗口,播放摄像头画面:

    preview(cam1)

    1.2.4 查看摄像头支持的分辨率并修改:

    <刚刚获取的设备对象>.AvailableResolutions

    然后根据修改为需要的分辨率:

    再次preview之后即可看到分辨率改变。

    1.2.5 用完之后清除对象

    clear <刚刚获取的对象>

    1.2.6 拍照(抓取画面)

    mypic = snapshot(cam1);
    imshow(mypic);

    1.3 第二种方法摄像头的使用(Image Acquisition Toolbox)

    1.3.1 首先执行这条命令打开摄像头,测试是否可以调用videoinput函数:

    video_source = videoinput('winvideo',1)

    如果出现图中的错误,那么恭喜你,需要手动安装硬件支持包了。

    1.3.2 查看电脑上已经安装的图像适配器

    imaqhwinfo()

    其中InstalledAdaptors的值给出了当前电脑上已经安装的摄像头适配器个数,这里我的电脑上只有一个:winvideo。

    1.3.3 查看摄像头设备具体参数

    使用该命令查看上一步获取到的图像适配器的具体参数:

    win_info = imaqhwinfo('winvideo')

    可以看到其中给出了该图像适配器具体的一些参数,特别需要注意的是,该函数返回了连接在当前图像适配器winvideo上的所有摄像头的设备ID和设备信息!

    当前我的电脑上一共有两个摄像头,一个是笔记本电脑内置的摄像头,另一个是我连接的USB 2.0 摄像头,接下来以USB摄像头为例,说明如何查看摄像头的设备ID和具体信息:

    在工作区找到保存信息的变量win_info,双击查看其值:

    可以看到,两个摄像头的设备ID分别为1和2,一般来说,电脑内置的摄像头的ID为1。

    同样,双击win_info.DeviceInfo变量,可以查看摄像头的具体参数:

    1.3.4 创建视频输入对象

    使用如下的命令来创建一个视频输入对象:

    video_obj = videoinput(adaptorname,deviceID,format)

    该函数的三个参数说明如下:

    • adaptorname:适配器名称(必须)
    • deviceID:设备ID号(必须)
    • format:视频采集格式(不填写则使用默认)
      如下,我要创建USB摄像头的视频输入对象:
    video_obj = videoinput('winvideo',2)

    1.3.5 预览视频对象

    使用如下命令即可预览视频对象,该函数会自动打开一个窗口,播放摄像头画面:

    preview(video_obj)

    1.3.6 捕抓画面

    mypic = getsnapshot(video_obj);
    imshow(mypic);

    二: 迁移学习

    AlexNet已经训练了超过100万张图片,可以将图片分类为1000个对象类别(如键盘、咖啡杯、铅笔和许多动物)。该网络已经学习了大量图像的丰富特征表示。该网络以一幅图像作为输入,并输出图像中对象的标签以及每个对象类别的概率。

    2.1 首先安装相应的包

    Deep Learning Toobox Model for Alexnet Network

    2.2 使用方法

    2.3 加载数据集

    需要先将数据标注好,即在一个文件夹下放多个标签名字的文件夹,里面有相应的图片。

    %  使用数据集函数载入并标记数据
    imds = imageDatastore('MerchData', ...
    'IncludeSubfolders',true, ...
    'LabelSource','foldernames');

    % 分离训练数据和测试数据
    [imdsTrain,imdsValidation] = splitEachLabel(imds,0.7,'randomized');

    2.4 加载训练网络

    net = alexnet;
    % 取出网络所需的图片大小
    inputSize = net.Layers(1).InputSize

    其中图片的大小有限制,不同的网络不一样。Alexnet 的限制是227 227 3.

    方法一(推荐):

    pixelRange = [-30 30];
    imageAugmenter = imageDataAugmenter( ...
    'RandXReflection',true, ...
    'RandXTranslation',pixelRange, ...
    'RandYTranslation',pixelRange);

    % 训练数据
    augimdsTrain = augmentedImageDatastore(inputSize(1:2),imdsTrain, ...
    'DataAugmentation',imageAugmenter);

    % 测试数据
    augimdsValidation = augmentedImageDatastore(inputSize(1:2),imdsValidation);

    方法二: 使用imresize 方法改变大小

    % This file in order to change the photo size into the fit size

    source_files = "Answer";

    imds = imageDatastore(source_files, 'IncludeSubFolders', true, 'LabelSource', 'foldernames');
    lens = length(imds.Labels);
    % lens = 2;

    % imshow(readimage(imds, 2))
    for i=1:lens
    dir = char(imds.Files(i));
    img=imresize(readimage(imds, i),[227,227]);
    imwrite(img, dir);
    i
    end

    disp("All thing has been done successfully!")

    2.5 取代最后一层

    预训练的网络的最后三层被配置为1000个类。这三层必须针对新的分类问题进行微调。从预先训练好的网络中提取除后三层之外的所有层。

    layersTransfer = net.Layers(1:end-3);
    numClasses = numel(categories(imdsTrain.Labels))
    layers = [
    layersTransfer
    fullyConnectedLayer(numClasses,'WeightLearnRateFactor',20,'BiasLearnRateFactor',20)
    softmaxLayer
    classificationLayer];

    2.6 训练网络

    options = trainingOptions('sgdm', ...
    'MiniBatchSize',10, ...
    'MaxEpochs',6, ...
    'InitialLearnRate',1e-4, ...
    'Shuffle','every-epoch', ...
    'ValidationData',augimdsValidation, ...
    'ValidationFrequency',3, ...
    'Verbose',false, ...
    'Plots','training-progress');

    % 开始训练网络
    netTransfer = trainNetwork(augimdsTrain,layers,options);

    2.7 验证网络

    [YPred,scores] = classify(net,augimdsValidation);
    % YPred 含最大可能分类, scores 含各个分类的可能概率值

    % 测试网络的准确性
    YValidation = imdsValidation.Labels;
    accuracy = mean(YPred == YValidation)

    三:计算机视觉

    3.1 摄像头处理数据

    vidobj = videoinput('winvideo',1); %capture the device handle


    set(vidobj, 'FramesPerTrigger',1); % each time we call trigger one frame gets captured
    set(vidobj, 'TriggerRepeat',inf); % we can have infinite triggers

    triggerconfig(vidobj, 'manual'); % the trigger will be called manually. We can also set times for the same
    start(vidobj); % start the device capture

    % 采集每一帧的数据
    trigger(vidobj); % capture one frame
    im=getdata(vidobj); % frame is a matrix that stores the frame
    % im = getsnapshot(cam);
    image(ax1,im);
    展开全文
  • Matlab深度学习

    2019-08-27 22:10:04
    这里Matlab功能:欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右...

    Ø 利用自己的数据微调训练好的网络(迁移学习)

    Ø 获取已经训练好的神经网络

              包含Alexnet、VGG16、VGG19
    

    方便的窗口式的神经网络工具箱

    Ø 使用深度神经网络进行分类或回归

    Ø 使用超过内存大小的数据集来训练网络

    Ø 训练用于目标检测的神经网络

    Ø 特征网络可视化

    Ø 在个人电脑或者云端使用CPU、GPU、多个GPU加速训练

              当前版本GPU计算性能高于2.0的都使用GPU加速
    

    Ø 提供了经典的神经网络应用例子与教程(附代码)

              例如,MNIST手写体识别,Deep Dream、Fast-RCNN物体检测等
    

    Ø 提供了官方的Caffe接口

    Ø 提供了一系列预处理工具

    欢迎使用Markdown编辑器

    你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

    新的改变

    我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

    1. 全新的界面设计 ,将会带来全新的写作体验;
    2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
    3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
    4. 全新的 KaTeX数学公式 语法;
    5. 增加了支持甘特图的mermaid语法1 功能;
    6. 增加了 多屏幕编辑 Markdown文章功能;
    7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
    8. 增加了 检查列表 功能。

    功能快捷键

    撤销:Ctrl/Command + Z
    重做:Ctrl/Command + Y
    加粗:Ctrl/Command + B
    斜体:Ctrl/Command + I
    标题:Ctrl/Command + Shift + H
    无序列表:Ctrl/Command + Shift + U
    有序列表:Ctrl/Command + Shift + O
    检查列表:Ctrl/Command + Shift + C
    插入代码:Ctrl/Command + Shift + K
    插入链接:Ctrl/Command + Shift + L
    插入图片:Ctrl/Command + Shift + G
    查找:Ctrl/Command + F
    替换:Ctrl/Command + G

    合理的创建标题,有助于目录的生成

    直接输入1次#,并按下space后,将生成1级标题。
    输入2次#,并按下space后,将生成2级标题。
    以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

    如何改变文本的样式

    强调文本 强调文本

    加粗文本 加粗文本

    标记文本

    删除文本

    引用文本

    H2O is是液体。

    210 运算结果是 1024.

    插入链接与图片

    链接: link.

    图片: Alt

    带尺寸的图片: Alt

    居中的图片: Alt

    居中并且带尺寸的图片: Alt

    当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

    如何插入一段漂亮的代码片

    博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

    // An highlighted block
    var foo = 'bar';
    

    生成一个适合你的列表

    • 项目
      • 项目
        • 项目
    1. 项目1
    2. 项目2
    3. 项目3
    • 计划任务
    • 完成任务

    创建一个表格

    一个简单的表格是这么创建的:

    项目 Value
    电脑 $1600
    手机 $12
    导管 $1

    设定内容居中、居左、居右

    使用:---------:居中
    使用:----------居左
    使用----------:居右

    第一列 第二列 第三列
    第一列文本居中 第二列文本居右 第三列文本居左

    SmartyPants

    SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

    TYPE ASCII HTML
    Single backticks 'Isn't this fun?' ‘Isn’t this fun?’
    Quotes "Isn't this fun?" “Isn’t this fun?”
    Dashes -- is en-dash, --- is em-dash – is en-dash, — is em-dash

    创建一个自定义列表

    Markdown
    Text-to-HTML conversion tool
    Authors
    John
    Luke

    如何创建一个注脚

    一个具有注脚的文本。2

    注释也是必不可少的

    Markdown将文本转换为 HTML

    KaTeX数学公式

    您可以使用渲染LaTeX数学表达式 KaTeX:

    Gamma公式展示 Γ(n)=(n1)!nN\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N 是通过欧拉积分

    Γ(z)=0tz1etdt&ThinSpace;. \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.

    你可以找到更多关于的信息 LaTeX 数学表达式here.

    新的甘特图功能,丰富你的文章

    Mon 06Mon 13Mon 20已完成 进行中 计划一 计划二 现有任务Adding GANTT diagram functionality to mermaid
    • 关于 甘特图 语法,参考 这儿,

    UML 图表

    可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图::

    张三李四王五你好!李四, 最近怎么样?你最近怎么样,王五?我很好,谢谢!我很好,谢谢!李四想了很长时间,文字太长了不适合放在一行.打量着王五...很好... 王五, 你怎么样?张三李四王五

    这将产生一个流程图。:

    链接
    长方形
    圆角长方形
    菱形
    • 关于 Mermaid 语法,参考 这儿,

    FLowchart流程图

    我们依旧会支持flowchart的流程图:

    Created with Raphaël 2.2.0开始我的操作确认?结束yesno
    • 关于 Flowchart流程图 语法,参考 这儿.

    导出与导入

    导出

    如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

    导入

    如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
    继续你的创作。


    1. mermaid语法说明 ↩︎

    2. 注脚的解释 ↩︎

    展开全文
  • matlab 深度学习

    千次阅读 2016-11-17 11:12:26
    1. Autoencoder Train Stacked Autoencoders for Image Classification(能可视化反而更好) 2. 网络结构的定义(使用结构体与元祖的基本形式)% 6c-2s-12c-2s 的 cnn cnn.layers = { struct('type', 'i') ...

    0. 超参的定义

    超参的定义直接使用结构体

    opts.alpha = 1;
    opts.batchsize = 50;
    opts.numepoch = 5;

    1. Autoencoder

    2. 网络结构的定义(使用结构体与元祖的基本形式)

    % 6c-2s-12c-2s 的 cnn
    cnn.layers = {
        struct('type', 'i')
        struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5)
        struct('type', 's', 'scale', 2)
        struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5)
        struct('type', 's', 'scale', 2)
    };
    
    for layer = 1:numel(cnn.layers):
        % 遍历每一层;
        ...
    end
    展开全文
  • MATLAB 深度学习示例

    2019-02-22 20:43:12
    MATLAB 深度学习实用示例cn-deep-learning-practical-examples-ebook
  • MATLAB深度学习工具箱

    2019-03-21 21:44:41
    matlab深度学习工具箱,提供深度神经网络的相关工具。
  • 本系列课程利用MATLAB进行深度学习,课程将从数据集设置、模型搭建、模型训练、模型测试等方面,深入介绍MATLAB深度学习工具箱。最后利用一个实例——多种果树病虫害识别。
  • Matlab深度学习工具箱

    2018-08-09 17:24:48
    压缩文件包含三个常用的Matlab深度学习工具箱 分别是DeeplearningToolbox,libsvm,matconvnet 使用时直接添加到MATLAB的Toolbox路径下即可 工具箱里都有一些example 可以在这些例子的基础上写一个自己的神经网络结构
  • matlab深度学习工具箱

    2018-05-28 00:59:29
    文件用于安装matlab深度学习工具箱,将解压后的文件夹(我的是自动命名为了DeepLearnToolbox-master)放到matlab安装根目录的toobox文件夹里(参考我的是F:\Program Files\Matlab\toolbox) 最后添加路径就好了,在...
  • matlab 深度学习环境配置 相关的软硬件或工具包:显卡驱动、显卡、matlab、vs(visual studio)、MatConvNet、CUDA、cuDNN。 1、显卡驱动:没有显卡驱动用不了显卡,所以都有显卡驱动,只需更新,一般将显卡驱动更新到...

    matlab 深度学习环境配置

    相关的软硬件或工具包:显卡驱动、显卡、matlab、vs(visual studio)、MatConvNet、CUDA、cuDNN。

    1、显卡驱动:没有显卡驱动用不了显卡,所以都有显卡驱动,只需更新,一般将显卡驱动更新到最新

    显卡驱动的更新链接: https://www.nvidia.com/Download/index.aspx?lang=en-us
    在这里插入图片描述

    2、显卡:显卡决定算力
    关于到底是显卡决定CUDA还是显卡驱动决定CUDA:https://www.zhihu.com/question/421808195
    3、matlab:深度学习平台,其版本决定CUDA的版本
    在这里插入图片描述

    matlab版本与CUDA的关系:
    https://ww2.mathworks.cn/help/parallel-computing/gpu-support-by-release.html

    4、vs: matlab与c++混合编程
    matlab与支持的vs版本对应:https://ww2.mathworks.cn/support/requirements/previous-releases.html
    在这里插入图片描述
    5、MatConvNet :MatConvNet是一个MATLAB工具箱,为计算机视觉应用实现了卷积神经网络(CNN)。它简单,高效,并且可以运行和学习最新的CNN。提供了许多用于图像分类,分割,面部识别和文本检测的预训练CNN。安装最新的版本:matconvnet-1.0-beta25
    链接:http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta25.tar.gz
    6、CUDA: 工具包,是用于英伟达显卡的并行计算框架
    显卡驱动确定cuda版本
    显卡驱动确定CUDA版本
    显卡驱动与CUDA关系查看:
    https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
    CUDA历史版本下载:
    https://developer.nvidia.com/cuda-toolkit-archive

    7、cuDNN: 专门用于神经网络的加速包
    CUDA与cuDNN关系查看:https://developer.nvidia.com/rdp/cudnn-archive

    所以环境配置步骤总结如下:先将显卡驱动更新到最新,然后根据matlab版本号确定支持的vs版本和CUDA版本,最后根据选择的CUDA版本确定cuDNN。
    以我本次配置为例:更新显卡驱动到456.38;matlab2020a ——> vs2019和CUDA v10.1 ——>cuDNN v8.0.4;下载matconvnet-1.0-beta25;

    安装

    CUDA和cuDNN安装参考:https://zhuanlan.zhihu.com/p/94220564?utm_source=wechat_session

    测试

    参考1:https://blog.csdn.net/hiudawn/article/details/80381503
    参考2:https://blog.csdn.net/HunterLiXiaoLong/article/details/104581756#comments_12019680
    CPU测试报错容易解决,主要是环境变量的添加,可在网上找到解决方案。
    GPU测试,主要困扰我的报错类似下图:
    在这里插入图片描述
    不过仔细看里面有具体如下错误:
    在这里插入图片描述
    解决方案参考:https://blog.csdn.net/calvinpaean/article/details/84937613
    解决后会出现大量warning,忽略不管,最后仍会编译成功。

    相关命令:

    %%   CPU编译
    mex -setup 
    mex -setup C++
    %
    cd D:\matcovnet\matconvnet-1.0-beta25
    addpath matlab
    vl_compilenn
    %%   CPU测试
    vl_testnn
    %%     GPU编译
    % cd matconvnet/;
    % >> addpath matlab/; 
    % >> vl_compilenn('enableImreadJpeg', true, 'enableGpu', true, 'cudaRoot', [这里填你的cuda路径到版本v],...
    %                 'cudaMethod', 'nvcc', 'enableCudnn', true, 'cudnnRoot', [这里填你的cudnn路径,其他博主都填的local的那个路径]);
    vl_compilenn('enableGpu', true,'Debug',true', ...
        'cudaRoot', 'C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1','cudaMethod','nvcc','enableCudnn',true,...
        'cudnnRoot','D:\matcovnet\matconvnet-1.0-beta25\local\cuda');
    %%     GPU测试
    vl_testnn('gpu', true)
    
    展开全文
  • matlab深度学习资源

    2018-07-24 21:41:37
    基于matlab深度学习实例,可从matlab的社区获取。这里打包好,分享给大家
  • MATLAB深度学习,原版电子书,带标签,附带源程序,内容可复制粘贴做笔记
  • MATLAB深度学习之LSTM

    2020-09-22 21:45:26
    MATLAB深度学习之LSTM clc clear %% 训练深度学习 LSTM 网络,进行序列到标签的分类。 %XTrain 是一个包含 270 个不同长度序列的单元阵列,具有 12 个与 LPC cepstrum 系数对应的特征。 %Y 是标签 1,2,...,9 的...
  • Matlab深度学习:入门》所使用到的项目数据。文章在博客中搜索即可。
  • Matlab深度学习 文章目录Matlab深度学习前言一、手写体数字数据二、用到的深度学习框架-LeNet52-0 LeNet5的网络架构2-1 实现方式1-通过Matlab GUI 拖拽界面2-2 实现方式2-直接写框架代码三、代码3-0 机器学习与深度...
  • Matlab 深度学习图像预处理,图像数据增广函数。深度学习训练时,需要大量的训练数据。而数据往往不易获得。本程序为标准的图像数据增广函数。功能包括对图像的旋转、翻转、亮度调整。可以扩展到各类图像文件格式。
  • CAE,CNN,NN,SAE等等matlab深度学习算法合集,以及相关测试数据,拿到就能直接用。
  • matlab 深度学习工具箱

    2018-05-02 09:57:09
    matlab深度学习的工具箱,有SAE DBN CAE CNN NN等
  • matlab深度学习之LSTM 利用历史序列进行预测 clc clear %% 加载示例数据。 %chickenpox_dataset 包含一个时序,其时间步对应于月份,值对应于病例数。 %输出是一个元胞数组,其中每个元素均为单一时间步。将数据...
  • Matlab深度学习——入门

    千次阅读 多人点赞 2020-04-12 18:27:02
    如今Python语言占据了深度学习,然而Matlab也是可以做的。 好奇心,尝鲜,学习 Matlab的优点: 使用应用程序和可视化工具创建、修改和分析深度学习架构 使用应用程序预处理数据,并自动对图像、视频和音频数据进行...
  • MATLAB 深度学习 .rar

    2019-09-17 11:13:37
    计算机视觉 与 深度学习 book+code, 仅仅交流使用 ,希望多多
  • MATLAB深度学习.rar

    2020-07-02 16:12:35
    一些MATLAB实例,包括使用直方图优化、形态学、Houngh变化、小波技术、霍夫曼等的一些范例,有30多个,仅供学习
  • MATLAB深度学习 : 一般深度学习MATLAB代码解析

    万次阅读 多人点赞 2017-11-27 15:22:09
    深度学习系列(五):一个简单深度学习工具箱原创  首先介绍下一般网络的建立模型,找到在工具箱  DeepLearnToolbox\tests\test_example_NN.m文件,这个测试函数是测试一般的网络模型,取前一段代码: ...
  • matlab深度学习书籍,非常好的资源哦!很值得推荐!
  • 2013年的MATLAB深度学习工具包,仅需要在MATLAB-主页-设置路径-添加并包含子文件夹,就可以调用这个工具包内的各种函数,来实现神经网络设置和训练,并且tests文件夹中有例程,方便入门学习。 源网址:...
  • 学机械的学习Matlab深度学习过程笔记01前言概念的理解简单示例的实现 前言 一直想了解一下,以前想自己做一个人脸门禁系统,但无从下手,趁现在有个机会,抓紧学习一下,本文章纯个人随记,大部分为转载或套用,以防...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,805
精华内容 722
关键字:

matlab深度学习

matlab 订阅